Design and performance of a large-area scintillator-based chamber for the MID subsystem of ALICE 3

Este artículo presenta el diseño, construcción y pruebas en haz de una cámara de barras centelleadoras para el subsistema MID de la actualización ALICE 3, la cual logra una eficiencia de identificación de muones superior al 99% y una supresión efectiva de piones mediante un algoritmo de aprendizaje automático.

Lo esencial

¡Claro que sí! Imagina que los científicos del experimento ALICE (en el Gran Colisionador de Hadrones, o LHC) están construyendo una nueva "máquina del tiempo" para estudiar cómo era el universo justo después del Big Bang. Para hacerlo, necesitan una cámara súper avanzada llamada ALICE 3.

Dentro de esta cámara, hay una pieza clave llamada MID (el detector de identificadores de muones). Piensa en el MID como un filtro de seguridad muy estricto en un aeropuerto, pero en lugar de detectar armas, busca partículas llamadas "muones" que viajan a velocidades increíbles.

Aquí te explico cómo funciona este nuevo detector, usando analogías sencillas:

1. El Problema: Encontrar la aguja en el pajar

En el mundo de las partículas, hay mucha "basura" (partículas como piones) que viajan junto con los "tesoros" (los muones). Los muones son especiales porque pueden atravesar casi cualquier cosa, como fantasmas, mientras que la "basura" se queda atascada.

• El desafío: Necesitan un detector que pueda decir: "¡Esa partícula es un muón!" con casi un 100% de seguridad, y que no se confunda con la basura. Además, quieren detectar muones que son más lentos de lo habitual, algo que otros detectores no logran hacer.

2. La Solución: Una "Torre de Bloques" Brillante

Para construir este filtro, los científicos diseñaron una cámara gigante (1 metro por 1 metro) que funciona como un sándwich de bloques brillantes.

• Los Bloques (Las barras de centelleo): Imagina 48 barras de plástico que brillan cuando una partícula las golpea (como una barra de luz de neón). Estas barras están hechas de un material especial y barato.
• El Sistema de Fibra Óptica: Dentro de cada barra hay un "tubo de luz" (una fibra óptica) que recoge el brillo y lo lleva a un ojo electrónico (un sensor llamado SiPM). Es como si cada barra tuviera su propio cable de fibra óptica para gritar: "¡Me golpearon!".
• La Estrategia de Capas: La cámara tiene dos capas de estas barras.
  • La primera capa tiene las barras horizontales.
  • La segunda capa tiene las barras verticales (cruzadas).
  • La analogía: Es como tener dos rejillas de enrejado cruzadas. Si una partícula pasa por ambas, podemos saber exactamente dónde estuvo, creando una cuadrícula de "celdas" de 4x4 cm. Esto les da una ubicación muy precisa.

3. El Entrenamiento: El "Cerebro" Artificial (Machine Learning)

Aquí viene la parte más moderna. No basta con tener los bloques; necesitan saber interpretar los datos.

• El Entrenador: Imagina que tienes un estudiante muy inteligente (un algoritmo de Inteligencia Artificial). Le mostraron miles de ejemplos: "Mira, cuando pasa un muón, la luz brilla así y llega a este tiempo. Cuando pasa un pion (basura), la luz se ve diferente".
• El Resultado: Después de entrenar, este "cerebro" aprendió a distinguir a los muones de los piones con una precisión asombrosa.
  • Eficiencia: Si hay 100 muones reales, el detector los encuentra a 99 de ellos (¡casi perfecto!).
  • Falsos positivos: Si hay 100 piones (basura), el detector solo se confunde y cree que son muones en muy pocos casos (menos del 3%).

4. La Prueba de Fuego: El Muro de Hierro

Para probar si el detector funciona de verdad, lo pusieron en un túnel de partículas en el CERN (Suiza).

• El Muro: Colocaron un muro de hierro muy grueso (como una pared de 70 cm de espesor) frente al detector.
• La Prueba: Lanzaron partículas contra el muro.
  • Los "piones" (basura) chocaron contra el hierro y se detuvieron o se desintegraron.
  • Los "muones" (fantasmas) atravesaron el muro sin problemas y golpearon las barras brillantes de la cámara.
• El Veredicto: El detector, guiado por su "cerebro" de IA, logró identificar a los muones que sobrevivieron al muro con una precisión increíble, confirmando que el diseño funciona tal como se planeó.

¿Por qué es importante esto?

Este detector permitirá a los científicos ver cosas que antes eran invisibles. Es como si antes solo pudieras ver coches que van a 100 km/h, y ahora, con este nuevo filtro, puedes ver también a los que van a 50 km/h. Esto es crucial para entender cómo se comportaba la materia en los primeros instantes del universo.

En resumen: Construyeron una cámara gigante hecha de barras de luz cruzadas, le enseñaron a una computadora a reconocer a los "fantasmas" (muones) entre la "basura" (piones) usando un muro de hierro como prueba, y ¡funcionó a la perfección! Ahora, el equipo está listo para construir versiones aún más grandes para el futuro del experimento ALICE 3.

Resumen técnico

Título: Diseño y rendimiento de una cámara basada en centelleadores de gran área para el subsistema MID de ALICE 3

1. Planteamiento del Problema

El experimento ALICE en el LHC ha sido exitoso en el estudio del plasma de quarks-gluones fuertemente interactuante (sQGP). Sin embargo, tras las corridas 3 y 4 (2022-2033), persisten preguntas fundamentales sobre las propiedades del sQGP y la interacción fuerte. Para la Corrida 5 (2036-2041), se propone el nuevo aparato ALICE 3.

Un objetivo clave de ALICE 3 es la reconstrucción de la partícula $J/\psi$ en reposo a través del canal de desintegración en di-muones. Esto requiere identificar muones con momentos bajos (1.5 - 5 GeV/c), un rango donde otros experimentos del LHC tienen dificultades (generalmente solo identifican muones por encima de 6 GeV/c). El desafío técnico radica en diseñar un Identificador de Muones (MID) que sea capaz de distinguir eficientemente muones de piones en este rango de momento, utilizando un absorbedor de hierro de aproximadamente 70 cm (4 longitudes de interacción hadrónica), minimizando al mismo tiempo la tasa de falsos positivos (piones mal identificados como muones).

2. Metodología

El estudio se centra en el diseño, construcción y prueba de un prototipo a gran escala para el detector MID, basado en tecnología de barras de centelleador.

• Diseño del Detector:

  • La cámara consta de 48 barras de centelleador (24 por capa), fabricadas por FNAL-NICADD, con dimensiones de $100 \times 4 \times 1$ cm$^3$.
  • Las barras están dispuestas en dos capas ortogonales separadas por un espacio de aire de 1 cm, creando una celda de solapamiento de $4 \times 4$ cm$^2$.
  • Cada barra incorpora una fibra de cambio de longitud de onda (WLS) de Kuraray (diámetros de 1.5 mm y 2.0 mm) incrustada en una ranura y acoplada con cemento óptico.
  • La lectura se realiza mediante Fotomultiplicadores de Silicio (SiPM) de Hamamatsu (modelo 14160-3050HS) montados en soportes de impresión 3D para evitar tornillos en la estructura mecánica.
  • La estructura mecánica utiliza placas de aluminio y perfiles de soporte para mantener las capas separadas y proteger los componentes.

• Configuración Experimental:

  • Las pruebas se realizaron en la línea de haz T10 del CERN.
  • Se utilizaron haces enriquecidos en piones ($\pi^-$) y muones ($\mu^+$) de 3 GeV/c.
  • El prototipo se colocó detrás de un absorbedor de hierro de sección transversal $80 \times 80$ cm$^2$ con longitudes variables (de 46 a 86 cm).
  • Se empleó un contador Cherenkov de umbral de alta presión (XCET) para eliminar la contaminación de electrones del haz, asegurando un haz limpio de piones y muones.
  • El disparo (trigger) se generó mediante la coincidencia de 5 centelleadores situados antes del absorbedor.

• Análisis de Datos:

  • Se utilizó un algoritmo de Aprendizaje Automático (Machine Learning), específicamente Árboles de Decisión Impulsados (BDT) implementados en TMVA.
  • Las variables de entrada para el entrenamiento incluyeron: tiempo de llegada (ToA), posición en las capas 1 y 2, tiempo sobre umbral (ToT), carga y número de impactos por evento ($N_{hit}$).
  • El 50% de los datos (muones como señal y piones como fondo) se usó para entrenar y probar el modelo; el resto se utilizó para medir la eficiencia y la supresión de hadrones.

3. Contribuciones Clave

• Validación de Diseño a Gran Escala: Se construyó y probó exitosamente un prototipo de $1 \times 1$ m$^2$, que escala el diseño propuesto para las 180 cámaras del MID final de ALICE 3.
• Optimización Mecánica y Óptica: Se demostró la viabilidad de un ensamblaje sin tornillos en la estructura de lectura (uso de soportes de snap-fit) y se cuantificó que el uso de fibras WLS de 2.0 mm aumenta el rendimiento de luz en un 40% respecto a las de 1.5 mm.
• Integración de IA en la Identificación: Se estableció una metodología robusta utilizando BDT para discriminar entre muones y piones, superando los métodos tradicionales de cortes simples.
• Caracterización de Fondo: Se desarrolló un método basado en datos (data-driven) para cuantificar la eficiencia de falsos muones, separando la contribución de piones primarios, muones de desintegración de piones y secundarios del material.

4. Resultados

• Eficiencia de Muones: El algoritmo BDT entrenado logró una eficiencia de detección de muones superior al 99% bajo la condición "OR" (detección en la capa 1 o 2). Para el punto de operación optimizado (94% de eficiencia de aceptación $\times$ eficiencia), el rendimiento se mantiene estable.
• Supresión de Piones (Falsos Muones):
  • Para un absorbedor de 70 cm (la longitud objetivo para ALICE 3), la eficiencia de falsos muones (piones identificados erróneamente) es de $2.4 \pm 0.1\%$.
  • La eficiencia de falsos muones en función de la longitud del absorbedor sigue una función exponencial con un parámetro de pendiente de 18.79 cm.
  • Se identificó una contribución constante del 3.1% en el fondo, atribuida a la contaminación residual de muones en el haz de piones (debido a desintegraciones en vuelo), la cual se restó mediante un método basado en datos.
• Comparación con Simulaciones: Los resultados experimentales del prototipo grande coinciden bien con las simulaciones GEANT 4 realizadas previamente con prototipos pequeños, validando los modelos de simulación para el diseño final.

5. Significado

Este trabajo es fundamental para el éxito del proyecto ALICE 3. Demuestra que la tecnología basada en barras de centelleador con SiPM es viable para cubrir grandes áreas con un rendimiento que cumple los requisitos estrictos de identificación de muones de bajo momento.

• La capacidad de identificar muones en el rango de 1.5-5 GeV/c con una eficiencia de ~94% y una tasa de falsos positivos de ~2.4% permitirá a ALICE 3 realizar mediciones únicas de la producción de $J/\psi$ en reposo, algo imposible para los experimentos actuales del LHC.
• Los resultados confirman que el diseño mecánico y la estrategia de lectura son robustos, sentando las bases para la fabricación de las 180 cámaras finales necesarias para el detector MID.
• Los próximos pasos incluyen probar prototipos con barras más largas (1.5 m) y evaluar centelleadores de diferentes proveedores para finalizar la optimización antes de la construcción definitiva.